基于雙簇頭及數據融合的改進LEACH算法的網絡拓撲控制研究

　　摘要:針對 LEACH 算法固有的能量損耗問題,對其數據融合率以及簇頭的選舉進行重新規劃.在數據融合階段,采用模糊理論定義各節點的信任度,實現最優形式進行數據融合. 利用最優簇頭率求解最佳簇頭數目,引入主副簇頭概念,有效保證了數據安全性,且以特有雙簇頭輪換模式減少了能量的損耗.研究結果表明,該算法可以有效減少簇頭競選次數,避免不必要能量損耗,延長網絡生存周期.

　　本文源自宋錦波; 徐海芹; 宮曉慧; 劉洋， 青島大學學報(自然科學版) 發表時間：2021-06-25

　　關鍵詞:數據融合率;最優簇頭數;雙簇頭;網絡生存周期

　　隨著無線傳感器網絡的不斷發展,應用范圍也隨之不斷地擴大,現已被廣泛的應用在數據采集、軍事偵察、環境檢測等方面,網絡內的節點可以感知周圍環境[1],對數據進行接收、處理和轉發.在無線傳感器網絡中,從路由結構要素出發可以分為平面路由協議和分簇路由協議[2G3].前者設計較為簡單,適用于小型網絡環境中;后者的健壯性較好,擴展性佳,相對于平面路由協議有著較為明顯的優勢.LEACH 協議作為一種比較經典的分簇路由協議,基于傳統分簇協議,將感知到的數據發送到無線傳感器網絡(WirelessSensor Network,后簡稱 WSN)選取的簇頭(ClusterHeader,后簡稱 CH)上,簇頭節點將接收到的數據轉發送至基站處,數據的接收與轉發是一個消耗能量的過程[4],而數據的接收與轉發又分為簇內集群信息的傳遞以及簇間信息的傳遞[5],傳輸的數據量在能量損耗中占了一定的比重.LEACH 不僅在選取簇頭時具有很大的隨機性,在冗余數據上也沒有做過多的處理,但網絡的生存周期與分簇的結果和數據量的發送息息相關,為了優化能量消耗并延長網絡的周期[6],現對網絡的簇頭的選取進行重新規劃,首先計算出當前網絡環境的最優簇頭數目[7G9]并對此進行合理劃分區域[10],同時引入雙簇頭概念[11],簇頭的選舉會考慮通信代價[12],對于數據傳輸中的冗余數據計算出最優融合率[13],以達到有效地延長網絡的生命周期[14].

　　1 LEACH 算法介紹

　　LEACH(LowEnergyAdaptiveClusteringHierarchy)算法是 Heinzelman提出的一種低能耗自適應聚簇分層型協議算法,是一種以輪的形式進行迭代的算法,每個輪分為初始化和穩定通信兩個階段.初始化時每一輪會隨機選舉簇頭,給予每個節點一個隨機值,并與閾值T(n)進行比較.當小于閾值T(n)時,則當前節點被選舉成為簇頭節點;穩定通信時,節點向簇頭傳送數據,簇頭接收簇內節點數據并轉發到基站.

　　1.1 LEACH 算法的簇頭選舉階段和簇的形成

　　LEACH 算法在每一輪都會重新構建簇的集群,首先網絡內的各節點會隨機生成一個[0,1]之間的數值 rand,然后將這個節點的rand值與T(n)比較,當前節點rand值小于當前的閾值時,則該節點被標記成為該輪次的簇頭節點,否則該節點為普通節點.T(n)的計算公式 T(n)= p 1-p∗(r∗mod( 1 p )) , n ∈S 0, 其他 ì î í ï ï ï ï (1) 其中,p 是簇頭在網絡中的節點所占的比例,r 是當前選舉的輪數,n 是網絡的節點數,S 是r 輪后還未當選過簇頭的節點的集合.

　　當每一輪選舉出簇頭后,簇頭節點會發布廣播信息告知自己可達跳數范圍內的節點自己當選簇頭的信息,節點會根據各自接收到的節點的信息強度進行判斷自己屬于哪個簇頭節點構建的集群(就近原則),然后簇內節點會發送自己的節點id和位置信息到簇頭處,簇頭構建簇群內節點信息表進行保存,同時簇頭按照時分復用(TimeDivisionMultipleAccess,后簡稱 TDMA)為每一個節點劃分時隙用以發送數據或停止工作進入睡眠狀態,簇內節點會根據 TDMA 原則采集數據和發送數據到簇頭處,同時在自己的休眠時間點不再工作,進入睡眠狀態后直到下一次被喚醒.當簇內節點信息發送完畢后,簇頭將接受該數據并與其自身的數據進行一定的融合,融合后的數據將被發送至基站處,基站會接收所有簇頭節點的信息然后統一將節點信息發送到用戶處,如此反復進行,每一輪都需要重新選舉簇頭節點.

　　1.2 LEACH 算法的能量消耗

　　LEACH 的能量損耗主要在于節點發送數據和接收數據兩方面,其中普通節點發送數據和接收數據的能量損耗為 ETx (L,d) = LEelec +Lεfsd2,d ?d0 {LEelec +Lεmpd4,d >d0 (2) 其中,Eelec 為無線電接收和發送單位比特數據的能耗系數,參數εfs 和εmp 代表的是自由空間模型的能耗系數和多徑衰落能耗中的系數,d0 = εfs/εmp ,d0 決定了 LEACH 使用什么樣的模型,d 是目標節點到源節點的距離,當節點距離小于等于d0 時,傳輸模型采用自由空間模型,反之則使用多徑衰落模型. 節點接收L 位數據的能量損耗為 ERx(L)=L∗Eelec (3)

　　2 TLEGLEACH 算法

　　針對傳統 LEACH 算法的不足,本文提出基于融合率和計算簇頭節點最低能耗的改進 TLEGLEACH (TheLeastEnergyGLowEnergyAdaptiveClusteringHierarchy)算法.引入數據融合率,首先利用信任度函數計算綜合信任度,搭建信任矩陣,在簇頭處對傳感器節點所測得數據進行一定的融合,發送給基站;再根據能量損耗最低的原則進行簇頭選取,分別計算簇內各節點和簇頭節點所需的能量損耗,考慮節點的信任度,計算求得最佳簇頭 C1和 C2,C2作為備選簇頭,當 C1的能量低于簇內節點的平均能量時,備選簇頭 C2則代替 C1進行數據傳輸,二者不斷輪換當選簇頭,直到 C1、C2能量均低于簇內平均能量時,簇內開始重新選舉簇頭.當網絡內70%節點死亡后,節點采用單步傳輸數據到基站,直到90%節點死亡,網絡癱瘓.

　　2.1 簇的形成階段

　　在節點比較密集的地方,不可避免地會出現節點收集到的信息是重復的,傳輸這些數據對于簇頭的能量損耗是比較大的,所以需要在簇頭節點處對冗余數據進行一定的融合,引入數據融合率的概念,以減少數據的冗余.

　　由文獻[15]可知,數據融合率算方法如下:初始化網絡迭代的輪數,節點需要計算集群內各節點對于自己的信任度并采用模糊理論對數據之間的接近程度進行處理,利用其構建信任矩陣w,計算數據融合率并利用矩陣存儲相應的信息.

　　信任度函數構建如下:N 個傳感器節點對于同一數據進行監測,Xi 和Xj 為第i個節點和第j個節點測得的數據,且都服從高斯分布,pi(x)和pj(x)是傳感器的特性函數,Xi 和Xj 的一次觀測值用xi,xj 表示,二者之間的偏差用置信距離測度反映.

　　其中,wi 應綜合wi1,wi2,